ChunkAct: エージェント型ロボティクスのためのアクションチャンキング

- LLM agentをロボット制御ループに組み込み、perception・motion・VLA toolsをmemoryの下で組み合わせるagentic roboticsの手法。 - 新規タスクへの再学習なしの汎化を狙うが、各primitiveごとにLLM推論が必要で効率が悪い。 - 提案手法ChunkActはaction chunkingを導入し、chained primitivesをまとめて実行する。 - オンラインでは1回の呼び出しでchunkを起動し、失敗時のみ制御を返す。 - オフラインでmemoryをchunkにコンパイルし、テスト時はmemory-freeで実行する。

- 従来のagentic roboticsは各primitiveごとにfull interaction history上でLLM推論を行い、episodeコストがprimitive数に比例して増大。 - ChunkActはLLM計算をprimitive数ではなくdecision数にスケールさせる点が新しい。 - LIBERO-Proでstate of the art比+5.0ポイントのタスク成功率を達成。 - 同時にLLM calls 2.9x減、input tokens 4.4x減、output tokens 2.3x減を実現。

- action chunkingをagentic roboticsに導入する。 - オンライン: 単一のLLM callでchained primitivesのchunkを起動し、自律実行させ、失敗時のみ制御を返す。 - オフライン: memoryをchunkへコンパイルし、テスト時はmemory-freeで実行。 - plannerはreasoningを要するdecisionに限定して使う。 - これによりLLM computationがprimitive数ではなくdecision数に比例する。

- LIBERO-Proベンチマークで評価。 - agentic roboticsのstate of the artと比較し、タスク成功率が5.0ポイント向上。 - LLM calls 2.9x減、input tokens 4.4x減、output tokens 2.3x減を確認。

- 著者らは、sub-goalが選ばれた後のprimitive列はmemoryで規定されたroutineに従うため、LLM reasoningは largely redundant だと指摘。 - その冗長性を削減するaction chunkingの有効性を主張。 - 失敗時の制御返却やmemory-free実行の限界・リスクについては要旨からは不明。

- 要旨で参照/比較されているagentic roboticsのstate of the art（LIBERO-Pro上の手法）。 - 関連手法としてvision-language-action (VLA) tools、LLM agent、action chunking。 - 具体的な論文名は要旨からは不明。